1 原理 粒子群算法是群智能一种，是基于对鸟群觅食行为的研究和模拟而来的。假设在鸟群觅食范围，只在一个地方有食物，所有鸟儿看不到食物（不知道食物的具体位置），但是能闻到食物的味道（能知道食物距离自己位置）。最好的策略就是结合自己的经验在距离鸟群中距离食物最近的区域搜索。 利用粒子群算法解决实际问题本质上就是利用粒子群算法求解函数的最值。因此需要事先把实际问题抽象为一个数学函数，称之为适应度函数。在粒子群算法中，每只鸟都可以看成是问题的一个解，这里我们通常把鸟称之为粒子，每个粒子都拥有： 位置，可以理解函数的自变量的值； 经验，也即是自身经历过的距离食物最近的位置； 速度，可以理解为自变量的变化

(8条消息) 【预测模型】基于粒子群算法PSO优化极限学习机ELM实现数据预测matlab源码.zip_elm极限学习机预测matlab-Matlab文档类资源-CSDN文库.html

基于粒子群算法思想,建立紧急情况下公共场馆人员疏散的动力学模型.该模型考虑人员之间的相互作用,依据人员实时局部密度的变化改变个体的最大速度以及保有区域尺寸,具有时空非均匀的特点.定义个体冲量以及受伤冲量阈值,考虑人员受伤对疏散过程的影响,同时还比较了多出口疏散与单出口疏散的特点和效率.算例结果表明,疏散结果与元胞自动机模型相似,理想化更新流程的结果小于其他疏散模型的结果.

matlab实现粒子群算法PSO优化RBF网络，代码有注释。可以完美运行。

粒子群寻优算法应用于PID，迭代寻优找到三个参数，应用于控制系统，效果良好。粒子群寻优算法应用于PID，迭代寻优找到三个参数，应用于控制系统，效果良好。

1.使用粒子群算法求解任意函数最值（最大、最小均可） 2.计算过程中实时输出寻优图像 3.最终输出gif文件用于演示计算过程 4.粒子数、迭代次数、精度、目标函数值等可修改 5.有较多注释，简单易懂

粒子群算法（PSO）Matlab编程版，包括了线性递减惯性因子粒子群算法（PSO）Matlab编程版，

粒子群算法/PSO/智能算法

粒子群优化算法（Particle Swarm Optimization，PSO）是进化计算的一个分支，是一种模拟自然界的生物活动的随机搜索算法。 PSO模拟了自然界鸟群捕食和鱼群捕食的过程。通过群体中的协作寻找到问题的全局最优解。它是1995年由美国学者Eberhart和Kennedy提出的，现在已经广泛应用于各种工程领域的优化问题之中。 ———————————————— 介绍链接：https://blog.csdn.net/qq_44186838/article/details/109212631

主要介绍了Python编程实现粒子群算法(PSO)详解，涉及粒子群算法的原理，过程，以及实现代码示例，具有一定参考价值，需要的朋友可以了解下。